MiroFish 部署指南Docker 一鍵啟動與源碼上手教程含端口、依賴排錯【免費下載鏈接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 簡潔通用的群體智能引擎預測萬物項目地址: https://gitcode.com/GitHub_Trending/mi/MiroFishMiroFish 是一個多智能體群體智能引擎上傳種子材料新聞、報告、小說它會用成百上千個智能體在數(shù)字沙盤中推演給你一份預測報告和一個可交互的虛擬世界。這篇文章帶你走完三種部署路線讀完至少能讓它在 http://localhost:3000 上跑起來。部署路線圖三條路線對號入座三條路線共用同一套倉庫區(qū)別只在環(huán)境復雜度和可改動的深度。下面按路線逐條講。路線一容器極速路新手檔這節(jié)做完你手里有一個在后臺跑著的 MiroFish 容器瀏覽器打開 http://localhost:3000 就是完整界面。前置條件裝什么、怎么確認、去哪裝需要裝什么怎么確認已裝沒裝去哪裝Docker含 Compose執(zhí)行docker --version和docker compose version各輸出版本號Docker 官網(wǎng) Docker DesktopWindows/Mac或sudo apt install docker.io docker-composeLinux項目代碼目錄里有docker-compose.yml和Dockerfilegit clone https://gitcode.com/GitHub_Trending/mi/MiroFish分步操作克隆代碼并進入項目目錄git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish執(zhí)行成功后ls應該看到docker-compose.yml、backend/、frontend/等目錄。創(chuàng)建環(huán)境變量文件cp .env.example .env執(zhí)行成功后目錄里多出一個.env文件。用編輯器打開填入兩個必填項LLM_API_KEY任意 OpenAI SDK 格式的 LLM 服務密鑰README 推薦百煉平臺的 qwen-plus和ZEP_API_KEYZep Cloud 密鑰每月免費額度夠輕度使用。?? 這兩個 key 不填容器里的后端會直接報配置錯誤退出啟動日志里會看到LLM_API_KEY 未配置。拉取鏡像并啟動docker compose up -d執(zhí)行成功后輸出Container mirofish Started或狀態(tài)表。首次要拉取ghcr.io/666ghj/mirofish:latest鏡像視網(wǎng)絡而定約 1–5 分鐘。? 小貼士docker-compose.yml 里注釋了一行國內加速鏡像地址拉取慢時把它替換到image:字段即可。自測點執(zhí)行docker compose psmirofish容器狀態(tài)為Up而不是Restarting打開 http://localhost:3000能看到 MiroFish 的首頁界面執(zhí)行docker compose logs --tail 50后端日志沒有 Traceback能看到 Flask 監(jiān)聽 5001 端口的信息瀏覽器訪問 http://localhost:5001后端有 HTTP 響應不是拒絕連接圖 1MiroFish 部署成功后的啟動界面上傳種子材料從這里開始路線二源碼二開路開發(fā)者檔這節(jié)做完你手里有一套本地開發(fā)模式運行的前后端服務前端 3000 端口、后端 5001 端口改 frontend/src/ 或 backend/app/ 下的代碼都能生效方便二次開發(fā)。前置條件裝什么、怎么確認、去哪裝需要裝什么怎么確認已裝沒裝去哪裝Node.js 18含 npm執(zhí)行node -v輸出v18.x或更高Node.js 官網(wǎng)裝 LTS 版本Python 3.11–3.12執(zhí)行python --version版本落在 3.11–3.12 區(qū)間python.org 下載對應版本uvPython 包管理器執(zhí)行uv --version輸出版本號按 uv 官方安裝腳本安裝分步操作克隆代碼git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish執(zhí)行成功后看到根目錄的package.json、backend/、frontend/。配置環(huán)境變量命令和路線一第 2 步相同cp .env.example .env執(zhí)行成功后編輯.env填LLM_API_KEY和ZEP_API_KEY。注意 backend/app/config.py 會校驗這兩項缺一后端直接sys.exit(1)并打印配置錯誤。一鍵安裝全部依賴根目錄 前端 后端虛擬環(huán)境npm run setup:all執(zhí)行成功后根目錄出現(xiàn)node_modules/backend/下出現(xiàn) uv 創(chuàng)建的.venv/。過程要下載 Node 和 Python 兩批包視網(wǎng)絡而定約 2–5 分鐘。?? 中途某個包超時失敗的話直接重跑一遍npm run setup:all即可它是可重復執(zhí)行的。同時啟動前后端npm run dev執(zhí)行成功后終端分兩欄滾動日志concurrently 的backend/frontend標簽瀏覽器自動打開 http://localhost:3000。前端由 Vite 提供并代理/api到 5001 端口見 vite.config.js你不需要再手動配代理。自測點npm run dev的終端同時輸出 backend 和 frontend 兩段日志無紅色報錯http://localhost:3000 頁面能打開且能發(fā)起一次上傳請求不報 404/CORS單獨停掉npm run dev改跑npm run backend再訪問 http://localhost:5001 有響應說明后端獨立可用在 frontend/src/components/ 隨便改一個文案保存后瀏覽器頁面自動刷新Vite 熱更新生效圖 2源碼部署后的 MiroFish 交互界面五步工作流的入口路線三共建開發(fā)路貢獻者檔這節(jié)做完你手里是一個帶調試開關、帶測試用例的開發(fā)環(huán)境可以直接提 PR。前置條件環(huán)境要求與路線二完全一致Node 18、Python 3.11–3.12、uv確認方式看上一節(jié)表格不重復。額外需要一個能跑 Python 單測的終端任何現(xiàn)代 bash/zsh 都行。分步操作環(huán)境搭建走路線二第 1–3 步克隆、.env、npm run setup:all不再贅述。打開后端調試模式。.env里設置FLASK_DEBUGTrue保存后npm run backend啟動Flask 進入 reloader 模式改 backend/ 下代碼保存即重啟。?? 只用于開發(fā)config.py里也寫明了 DEBUG 模式勿用于生產(chǎn)。跑一遍后端測試確認基線健康cd backend uv run pytest tests/執(zhí)行成功后輸出X passed無 failed。失敗多半是環(huán)境差異如缺 Python 3.11 特性先對照前置條件表自查版本。前后端分終端啟動方便邊看日志邊改碼npm run backend # 終端 1 npm run frontend # 終端 2執(zhí)行成功后終端 1 只有 Flask 日志終端 2 只有 Vite 日志兩邊互不干擾前端保存熱更、后端保存重啟。自測點FLASK_DEBUGTrue下改一行 backend/app/ 代碼Flask 日志出現(xiàn) reloader 重啟記錄uv run pytest tests/全綠與 main 分支一致Vite 終端在每次保存后打印hmr update類輸出前端頁面觸發(fā)一次完整工作流如上傳文本文件后端日志能看到對應/api請求落進來圖 3一次完整推演后生成的預測報告也是你聯(lián)調功能時的驗收樣本驗收3 步確認服務真的活著這節(jié)做完你能用界面 功能 日志三重證據(jù)確認部署成功而不是只看端口通了。界面能打開訪問 http://localhost:3000首頁正常渲染右上角能切換中英文i18n 資源來自 locales/。核心功能點一次上傳一份 pdf 或 md 文件backend/app/config.py 里限制 50MB支持 pdf/md/txt/markdown進入圖譜構建步驟頁面能拿到后端返回的進度。日志無報錯Docker 部署看docker compose logs --tail 100源碼部署看兩個終端沒有 Traceback、沒有ECONNREFUSED、沒有 5xx 刷屏。排障對照表報錯、可能原因、解法這節(jié)做完你手里有一張速查表90% 的部署卡點都能 1 分鐘內定位。報錯/現(xiàn)象可能原因解法port is already allocated/ 端口已被占用3000 或 5001 被其他程序占了容器路線改 docker-compose.yml 的ports如3001:3000源碼路線Vite 會順延 3001 并提示或先lsof -i :3000找出占用進程npm run setup:all中途失敗網(wǎng)絡波動導致單個包下載超時Node 版本低于 18 觸發(fā)引擎檢查重跑同一命令續(xù)裝node -v確認 ≥18前端可刪node_modules后再npm install后端啟動即退出打印配置錯誤.env缺LLM_API_KEY或ZEP_API_KEY補齊兩個 key注意.env必須放在項目根目錄config.py只從那里讀界面能打開但一操作就 404/跨域后端沒起或前端代理沒連上 5001容器路線docker compose ps看是否Restarting源碼路線確認npm run dev而不是只起了前端首次啟動卡住沒反應在等鏡像拉取docker compose logs -f看拉取進度慢的話換成 docker-compose.yml 里注釋的加速鏡像地址調優(yōu)硬件檔位與三條立竿見影的優(yōu)化這節(jié)做完你清楚該給機器多少資源以及先動哪三個旋鈕。檔位CPU內存存儲基礎體驗、小規(guī)模推演4 核8 GB100 GB SSD標準常規(guī)模擬8 核16 GB200 GB SSD高級多輪、多智能體并行16 核32 GB500 GB SSD三條可直接落地的優(yōu)化控制模擬輪數(shù)config.py默認OASIS_DEFAULT_MAX_ROUNDS10README 也建議先從 40 輪以下開始試跑——推演耗時大頭在這里先用小輪數(shù)驗證流程再拉滿。收斂報告 Agent 的工具調用REPORT_AGENT_MAX_TOOL_CALLS默認 5和REPORT_AGENT_MAX_REFLECTION_ROUNDS默認 2在.env里可降報告生成階段明顯提速。上傳目錄掛盤Docker 路線已把./backend/uploads映射到容器外把宿主機這塊放在 SSD 上種子文件和模擬產(chǎn)物讀寫不會拖累 IO。圖 4模擬運行中的群體交互視圖智能體在 Twitter/Reddit 雙平臺上發(fā)帖與互動改配置別只改一處.env是唯一的變量入口FLASK_DEBUG、輪數(shù)、工具調用上限都走它。跑起來之后有任何報錯直接開倉庫 issue 貼上日志比猜快得多?！久赓M下載鏈接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 簡潔通用的群體智能引擎預測萬物項目地址: https://gitcode.com/GitHub_Trending/mi/MiroFish創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 MiroFish 部署指南：Docker 一鍵啟動與源碼上手教程（含端口、依賴排錯）
MiroFish 部署指南Docker 一鍵啟動與源碼上手教程含端口、依賴排錯【免費下載鏈接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 簡潔通用的群體智能引擎預測萬物項目地址: https://gitcode.com/GitHub_Trending/mi/MiroFishMiroFish 是一個多智能體群體智能引擎上傳種子材料新聞、報告、小說它會用成百上千個智能體在數(shù)字沙盤中推演給你一份預測報告和一個可交互的虛擬世界。這篇文章帶你走完三種部署路線讀完至少能讓它在 http://localhost:3000 上跑起來。部署路線圖三條路線對號入座三條路線共用同一套倉庫區(qū)別只在環(huán)境復雜度和可改動的深度。下面按路線逐條講。路線一容器極速路新手檔這節(jié)做完你手里有一個在后臺跑著的 MiroFish 容器瀏覽器打開 http://localhost:3000 就是完整界面。前置條件裝什么、怎么確認、去哪裝需要裝什么怎么確認已裝沒裝去哪裝Docker含 Compose執(zhí)行docker --version和docker compose version各輸出版本號Docker 官網(wǎng) Docker DesktopWindows/Mac或sudo apt install docker.io docker-composeLinux項目代碼目錄里有docker-compose.yml和Dockerfilegit clone https://gitcode.com/GitHub_Trending/mi/MiroFish分步操作克隆代碼并進入項目目錄git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish執(zhí)行成功后ls應該看到docker-compose.yml、backend/、frontend/等目錄。創(chuàng)建環(huán)境變量文件cp .env.example .env執(zhí)行成功后目錄里多出一個.env文件。用編輯器打開填入兩個必填項LLM_API_KEY任意 OpenAI SDK 格式的 LLM 服務密鑰README 推薦百煉平臺的 qwen-plus和ZEP_API_KEYZep Cloud 密鑰每月免費額度夠輕度使用。?? 這兩個 key 不填容器里的后端會直接報配置錯誤退出啟動日志里會看到LLM_API_KEY 未配置。拉取鏡像并啟動docker compose up -d執(zhí)行成功后輸出Container mirofish Started或狀態(tài)表。首次要拉取ghcr.io/666ghj/mirofish:latest鏡像視網(wǎng)絡而定約 1–5 分鐘。? 小貼士docker-compose.yml 里注釋了一行國內加速鏡像地址拉取慢時把它替換到image:字段即可。自測點執(zhí)行docker compose psmirofish容器狀態(tài)為Up而不是Restarting打開 http://localhost:3000能看到 MiroFish 的首頁界面執(zhí)行docker compose logs --tail 50后端日志沒有 Traceback能看到 Flask 監(jiān)聽 5001 端口的信息瀏覽器訪問 http://localhost:5001后端有 HTTP 響應不是拒絕連接圖 1MiroFish 部署成功后的啟動界面上傳種子材料從這里開始路線二源碼二開路開發(fā)者檔這節(jié)做完你手里有一套本地開發(fā)模式運行的前后端服務前端 3000 端口、后端 5001 端口改 frontend/src/ 或 backend/app/ 下的代碼都能生效方便二次開發(fā)。前置條件裝什么、怎么確認、去哪裝需要裝什么怎么確認已裝沒裝去哪裝Node.js 18含 npm執(zhí)行node -v輸出v18.x或更高Node.js 官網(wǎng)裝 LTS 版本Python 3.11–3.12執(zhí)行python --version版本落在 3.11–3.12 區(qū)間python.org 下載對應版本uvPython 包管理器執(zhí)行uv --version輸出版本號按 uv 官方安裝腳本安裝分步操作克隆代碼git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish執(zhí)行成功后看到根目錄的package.json、backend/、frontend/。配置環(huán)境變量命令和路線一第 2 步相同cp .env.example .env執(zhí)行成功后編輯.env填LLM_API_KEY和ZEP_API_KEY。注意 backend/app/config.py 會校驗這兩項缺一后端直接sys.exit(1)并打印配置錯誤。一鍵安裝全部依賴根目錄 前端 后端虛擬環(huán)境npm run setup:all執(zhí)行成功后根目錄出現(xiàn)node_modules/backend/下出現(xiàn) uv 創(chuàng)建的.venv/。過程要下載 Node 和 Python 兩批包視網(wǎng)絡而定約 2–5 分鐘。?? 中途某個包超時失敗的話直接重跑一遍npm run setup:all即可它是可重復執(zhí)行的。同時啟動前后端npm run dev執(zhí)行成功后終端分兩欄滾動日志concurrently 的backend/frontend標簽瀏覽器自動打開 http://localhost:3000。前端由 Vite 提供并代理/api到 5001 端口見 vite.config.js你不需要再手動配代理。自測點npm run dev的終端同時輸出 backend 和 frontend 兩段日志無紅色報錯http://localhost:3000 頁面能打開且能發(fā)起一次上傳請求不報 404/CORS單獨停掉npm run dev改跑npm run backend再訪問 http://localhost:5001 有響應說明后端獨立可用在 frontend/src/components/ 隨便改一個文案保存后瀏覽器頁面自動刷新Vite 熱更新生效圖 2源碼部署后的 MiroFish 交互界面五步工作流的入口路線三共建開發(fā)路貢獻者檔這節(jié)做完你手里是一個帶調試開關、帶測試用例的開發(fā)環(huán)境可以直接提 PR。前置條件環(huán)境要求與路線二完全一致Node 18、Python 3.11–3.12、uv確認方式看上一節(jié)表格不重復。額外需要一個能跑 Python 單測的終端任何現(xiàn)代 bash/zsh 都行。分步操作環(huán)境搭建走路線二第 1–3 步克隆、.env、npm run setup:all不再贅述。打開后端調試模式。.env里設置FLASK_DEBUGTrue保存后npm run backend啟動Flask 進入 reloader 模式改 backend/ 下代碼保存即重啟。?? 只用于開發(fā)config.py里也寫明了 DEBUG 模式勿用于生產(chǎn)。跑一遍后端測試確認基線健康cd backend uv run pytest tests/執(zhí)行成功后輸出X passed無 failed。失敗多半是環(huán)境差異如缺 Python 3.11 特性先對照前置條件表自查版本。前后端分終端啟動方便邊看日志邊改碼npm run backend # 終端 1 npm run frontend # 終端 2執(zhí)行成功后終端 1 只有 Flask 日志終端 2 只有 Vite 日志兩邊互不干擾前端保存熱更、后端保存重啟。自測點FLASK_DEBUGTrue下改一行 backend/app/ 代碼Flask 日志出現(xiàn) reloader 重啟記錄uv run pytest tests/全綠與 main 分支一致Vite 終端在每次保存后打印hmr update類輸出前端頁面觸發(fā)一次完整工作流如上傳文本文件后端日志能看到對應/api請求落進來圖 3一次完整推演后生成的預測報告也是你聯(lián)調功能時的驗收樣本驗收3 步確認服務真的活著這節(jié)做完你能用界面 功能 日志三重證據(jù)確認部署成功而不是只看端口通了。界面能打開訪問 http://localhost:3000首頁正常渲染右上角能切換中英文i18n 資源來自 locales/。核心功能點一次上傳一份 pdf 或 md 文件backend/app/config.py 里限制 50MB支持 pdf/md/txt/markdown進入圖譜構建步驟頁面能拿到后端返回的進度。日志無報錯Docker 部署看docker compose logs --tail 100源碼部署看兩個終端沒有 Traceback、沒有ECONNREFUSED、沒有 5xx 刷屏。排障對照表報錯、可能原因、解法這節(jié)做完你手里有一張速查表90% 的部署卡點都能 1 分鐘內定位。報錯/現(xiàn)象可能原因解法port is already allocated/ 端口已被占用3000 或 5001 被其他程序占了容器路線改 docker-compose.yml 的ports如3001:3000源碼路線Vite 會順延 3001 并提示或先lsof -i :3000找出占用進程npm run setup:all中途失敗網(wǎng)絡波動導致單個包下載超時Node 版本低于 18 觸發(fā)引擎檢查重跑同一命令續(xù)裝node -v確認 ≥18前端可刪node_modules后再npm install后端啟動即退出打印配置錯誤.env缺LLM_API_KEY或ZEP_API_KEY補齊兩個 key注意.env必須放在項目根目錄config.py只從那里讀界面能打開但一操作就 404/跨域后端沒起或前端代理沒連上 5001容器路線docker compose ps看是否Restarting源碼路線確認npm run dev而不是只起了前端首次啟動卡住沒反應在等鏡像拉取docker compose logs -f看拉取進度慢的話換成 docker-compose.yml 里注釋的加速鏡像地址調優(yōu)硬件檔位與三條立竿見影的優(yōu)化這節(jié)做完你清楚該給機器多少資源以及先動哪三個旋鈕。檔位CPU內存存儲基礎體驗、小規(guī)模推演4 核8 GB100 GB SSD標準常規(guī)模擬8 核16 GB200 GB SSD高級多輪、多智能體并行16 核32 GB500 GB SSD三條可直接落地的優(yōu)化控制模擬輪數(shù)config.py默認OASIS_DEFAULT_MAX_ROUNDS10README 也建議先從 40 輪以下開始試跑——推演耗時大頭在這里先用小輪數(shù)驗證流程再拉滿。收斂報告 Agent 的工具調用REPORT_AGENT_MAX_TOOL_CALLS默認 5和REPORT_AGENT_MAX_REFLECTION_ROUNDS默認 2在.env里可降報告生成階段明顯提速。上傳目錄掛盤Docker 路線已把./backend/uploads映射到容器外把宿主機這塊放在 SSD 上種子文件和模擬產(chǎn)物讀寫不會拖累 IO。圖 4模擬運行中的群體交互視圖智能體在 Twitter/Reddit 雙平臺上發(fā)帖與互動改配置別只改一處.env是唯一的變量入口FLASK_DEBUG、輪數(shù)、工具調用上限都走它。跑起來之后有任何報錯直接開倉庫 issue 貼上日志比猜快得多?！久赓M下載鏈接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 簡潔通用的群體智能引擎預測萬物項目地址: https://gitcode.com/GitHub_Trending/mi/MiroFish創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考